事前定義されたベクトルシステムを用いて、ニューラルネットワークの数百万クラス分類を高速化する
arXiv cs.LG / 2026/4/2
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、潜在空間における幾何学的な構造を活用することで、クラス数に対して典型的に線形に増加するラベル予測コストを抑えるニューラルネットワークのラベル予測を扱う。
- クラスのプロトタイプ／クラスタ中心を含む事前定義されたベクトルシステムを用い、効率的なインデックス抽出（最大値と最小値）によってラベル予測を O(1) 相当の最も近い中心探索へと変換することを提案する。
- 本手法は計算効率に優れ、学習時の精度を変えないことを目的として設計されており、複数のデータセットにおける推論段階の実行時間も測定する。
- 実験では、従来のラベル予測手法に比べて最大 11.6× の全体加速が報告されており、この技術が新しいクラスの存在を検出するのに役立つ可能性が示唆される。
